CN114066208A - 一种食物质量的评价方法、系统、智能终端和存储介质 - Google Patents
一种食物质量的评价方法、系统、智能终端和存储介质 Download PDFInfo
- Publication number
- CN114066208A CN114066208A CN202111333285.7A CN202111333285A CN114066208A CN 114066208 A CN114066208 A CN 114066208A CN 202111333285 A CN202111333285 A CN 202111333285A CN 114066208 A CN114066208 A CN 114066208A
- Authority
- CN
- China
- Prior art keywords
- food
- target
- acquiring
- target food
- grade value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 235
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013441 quality evaluation Methods 0.000 title abstract description 12
- 238000003384 imaging method Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004069 differentiation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 241000220225 Malus Species 0.000 description 6
- 235000008429 bread Nutrition 0.000 description 5
- 240000008067 Cucumis sativus Species 0.000 description 4
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 235000021016 apples Nutrition 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 244000144730 Amygdalus persica Species 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004042 decolorization Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000015219 food category Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种食物质量评价方法、系统、智能终端及存储介质。食物质量评价方法包括如下步骤：将目标食物放置在面阵成像装置的基准面上，驱动投射光源对目标食物进行投射，通过面阵成像装置获取目标食物的投射线图像，获取投射线图像的至少一个像素点的食物坐标信息；根据至少一个像素点的食物坐标信息获取目标食物的，根据三维模型获取目标食物的外部参数，外部参数包括外形、体积、轮廓中的至少一项；根据外部参数获取目标食物的目标等级值。本发明能够有效提升评价的准确性。
Description
技术领域
本发明涉及人工智能领域，具体涉及一种食物质量的评价方法、系统、智能终端和存储介质。
背景技术
因此食物的形状是其外部品质的一个重要衡量依据，直接影响它们的受喜爱程度。在其他条件相同的情况下，外形更加规整、体积更大的食物(例如苹果、橙子、水蜜桃等等)的往往更加受欢迎。
在人们的日常生活中也有对食品的质量评价的需求，食品工业中的食品质量评判方法过于粗糙，仅仅判断质量是否合格，评价不够准确和精确，不能满足普通用户日常生活中的需求。
发明内容
本发明要解决的技术问题在于食品质量的评判方法粗糙，评价不够准确和精确，针对现有技术的上述缺陷，提供一种食物质量评价方法、系统、智能终端及存储介质，能够精准评价食物质量。
本发明解决其技术问题所采用的技术方案是：提供一种食物质量的评价方法，应用于结构光设备，所述结构光设备包括投射光源和设置于所述投射光源对面的面阵成像装置；
所述食物质量的评价方法包括如下步骤：
将目标食物放置在所述面阵成像装置的基准面上，驱动所述投射光源对所述目标食物进行投射，通过所述面阵成像装置获取所述目标食物的投射线图像，获取所述投射线图像的至少一个像素点的食物坐标信息；
根据所述至少一个像素点的食物坐标信息获取所述目标食物的三维模型，根据所述三维模型获取所述目标食物的外部参数，所述外部参数包括外形、体积、轮廓中的至少一项；
根据所述外部参数获取所述目标食物的目标等级值。
其中，所述将目标食物放置在所述面阵成像装置的基准面上的步骤之前，包括：
驱动所述投射光源对所述基准面进行投射，获取所述基准面上的投射线图像，获取所述投射线图像的基准坐标信息；
所述根据所述至少一个像素点的食物坐标信息获取所述目标食物的三维模型的步骤，包括：
根据所述投射线图像的基准坐标信息和所述至少一个像素点的食物坐标信息获取所述目标食物的轮廓信息，根据所述轮廓信息构建所述三维模型。
其中，所述根据所述外部参数获取所述目标食物的目标等级值的步骤，包括：
获取所述目标食物的食物种类，获取所述食物种类对应的至少一个预设模型和每个所述预设模型的模型等级值；
将与所述三维模型最接近的所述预设模型的模型等级值作为所述目标等级值。
其中，所述根据所述外部参数获取所述目标食物的目标等级值的步骤之后，包括：
获取所述目标食物的食物图像，对所述食物图像进行色彩差异化操作，获取所述目标食物的精准轮廓，根据所述精准轮廓修正所述目标等级值。
其中，所述获取所述目标食物的食物图像的步骤之后，包括：
根据所述食物图像获取所述目标食物的颜色和表面情况，根据所述颜色和所述表面情况修正所述目标等级值。
其中，所述食物质量等级判断方法还包括：
根据所述目标等级值生成预设提醒信息，预设提醒信息包括所述目标食物的存储方式、食用方式、食用期限中的至少一个。
其中，所述食物质量等级判断方法还包括：
获取所述目标食物的生产日期和/或购买日期，根据所述生产日期和/或所述购买日期调整所述目标等级值。
本发明解决其技术问题所采用的技术方案是：提供一种食物质量的评价系统，所述食物质量的评价系统包括如下模块：
坐标模块，用于将目标食物放置在所述面阵成像装置的基准面上，驱动所述投射光源对所述目标食物进行投射，通过所述面阵成像装置获取所述目标食物的投射线图像，获取所述投射线图像的至少一个像素点的食物坐标信息；
三维模块，用于根据所述至少一个像素点的食物坐标信息获取所述目标食物的三维模型，根据所述三维模型获取所述目标食物的外部参数，所述外部参数包括外形、体积、轮廓中的至少一项；
等级模块，用于根据所述外部参数获取所述目标食物的目标等级值。
本发明解决其技术问题所采用的技术方案是：提供一种智能终端，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上所述方法的步骤。
本发明解决其技术问题所采用的技术方案是：提供一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上所述方法的步骤。
本发明的有益效果在于，与现有技术相比，本发明通过将目标食物放置在所述面阵成像装置的基准面上，驱动所述投射光源对所述目标食物进行投射，通过所述面阵成像装置获取所述目标食物的投射线图像，根据投射性图像获取所述三维模型，根据三维模型获取所述目标食物的目标等级值，准确获取目标食物的三维模型的外部参数，根据外部参数确定目标等级值能够有效提升评价的准确性。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明提供的食物质量的评价方法的第一实施例的流程示意图；
图2是本发明提供的结构光设备的一实施例的结构示意图；
图3是本发明提供的食物质量的评价系统的一实施例的结构示意图；
图4是本发明提供的智能终端的一实施例的结构示意图；
图5是本发明提供的存储介质的一实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，图1是本发明提供的食物质量的评价方法的第一实施例的流程示意图。本发明提供的食物质量的评价方法包括如下步骤：
S101：将目标食物放置在面阵成像装置的基准面上，驱动投射光源对目标食物进行投射，通过面阵成像装置获取目标食物的投射线图像，获取投射线图像的至少一个像素点的食物坐标信息。
在一个具体的实施场景中，预先准备结构光设备10，结构光设备10包括投射光源11和设置于投射光源11对面的面阵成像装置12。请结合参阅图2，图2是本发明提供的结构光设备的一实施例的结构示意图。
在本实施场景中，将目标食物放置在面阵成像装置12的基准面121上，基准面121可以是面阵成像装置12的表面，或者是与成像装置12的表面距离已知的平面。驱动投射光源11对目标食物进行投射，投射光线为线阵结构光。通过面阵成像装置12获取目标食物的投射线图像，投射线图像包括基准面投射线，对基准面投射线进行细化，获取投射线图像的至少一个像素点的食物坐标信息。
可以根据投射光源11与面阵成像装置12之间的第一距离和面阵成像装置12与基准面121之间的第二距离计算出投射线图像的至少一个像素点的食物坐标信息。
S102：根据至少一个像素点的食物坐标信息获取目标食物的三维模型，根据三维模型获取目标食物的外部参数，外部参数包括外形、体积、轮廓中的至少一项。
在一个具体的实施场景中，驱动投射光源11采用相同的线阵结构光对基准面121进行投射，获取基准面121上的投射线图像，获取投射线图像的基准坐标信息。将基准坐标信息和食物坐标信息进行对比，结合第一距离和第二距离可以获取投射线图像的至少一个像素点的食物三维坐标信息。
在其他实施场景中，可以设置多个结构光设备，或者调整结构光设备光源和面阵成像装置的位置，从不同的方向对目标食物进行投射，获取多个食物三维坐标信息，针对多个食物三维坐标信息进行修正、合并等操作，获取目标三维坐标，根据目标三维坐标构建目标食物的三维模型。根据三维模型获取目标食物的外部参数，外部参数包括外形、体积、轮廓中的至少一项。具体地说可以结合目标三维坐标计算出外形、体积、轮廓中的至少一项。
S103：根据外部参数获取目标食物的目标等级值。
在一个具体的实施场景中，获取目标食物的食物种类，获取该食物种类的标准参数，标准参数包括外形、体积、轮廓的范围值，将目标食物的外部参数与标准参数进行对比，算出两者的差值，根据差值的大小和正负，获取目标食物的目标等级值。
在其他实施场景中，可以获取食物种类的标准三维模型，标准三维模型的数量为多个，以对应多个等级值。获取目标食物的食物种类，获取食物种类对应的至少一个预设模型和每个预设模型的模型等级值，将与三维模型最接近的预设模型的模型等级值作为目标等级值。将三维模型与标准三维模型进行比对，计算两者之间的差值，根据三维模型与其对应的标准三维模型的等级值以及两者的差值获取目标食物的目标等级值。
在一个实施场景中，获取目标食物的食物图像，对食物图像进行色彩差异化操作，目标食物和背景的颜色不同，经过去色操作，使得目标食物与背景为两个明显的反差色，更能获取两者的差异，从而能够获取目标食物的精准轮廓。获取目标食物的食物种类的标准轮廓参数，例如不能有凹陷、不能有凸起等等，根据精准轮廓和标准轮廓参数的比较结果修正目标等级值。
在一个实施场景中，根据食物图像获取目标食物的颜色和表面情况，例如，获取目标食物的表面颜色包括获取食物图像表面是否存在暗色或者深色的斑点。获取目标食物的食物种类对应的标准颜色参数，颜色和表面情况与标准颜色参数的对比修正目标等级值。例如，目标食物为苹果，体积大、表面光滑、形状圆润，但是表面有一个大面积深色斑块，因此需要降低目标等级值。
在一个实施场景中，还可以获取目标食物的表面纹理，例如苹果放久了会在表面出现褶皱，即使体积大、形状圆润，等级值也会较低，因此需要降低目标等级值。
在其他实施场景中，为了提升对比的效率和准确度和精确度，获取目标食物的食物种类对应的关键识别点，关键识别点可以是由用户设置或者由开发人员设置，还可以通过自学习后设置。获取目标食物的食物种类对应的预设等级图像后，将食物图像的关键识别点和预设等级图像的关键识别点进行对比，从而获取与食物图像匹配的预设等级图像。例如，目标食物为黄瓜，则关键识别点包括黄瓜的底端和顶端以及黄瓜的中间段中的任意若干点，这些关键识别点能够很好的反应黄瓜的新鲜程度。根据关键识别点的识别结果修正目标等级值。
在其他实施场景中，目标食物的质量跟目标食物的新鲜程度有很大的关系，在某些情况下，可能从食物图像上无法直观察觉出目标食物的新鲜程度，因此可以获取目标食物的生产日期和/或购买日期。生产日期和/或购买日期可以是用户输入，或者是从食物图像中进行文字和数字的识别获取。获取当前日期，获取生产日期和/或购买日期与当前日期之间的时间差长度，目标食物的不同种类的可存放时长也不同，根据目标食物的种类和时间差长度对目标等级值进行调整，以使得目标等级值更加准确。
例如，目标食物为苹果，时间差长度为1天，苹果在日常情况下可以存放1天，则对目标等级值降低很小的幅度或者不降低。目标食物为面包，时间长度为3天，面包日常情况下不能存放太久，则对目标等级值进行降级。
在其他实施场景中，根据目标等级值生成预设提醒信息，预设提醒信息包括目标食物的存储方式、食用方式、食用期限中的至少一个。具体地说，若目标等级值较高，可以提示用户当前食用口感最佳，还可以根据目标食物的食物种类提供食用方式，若用户暂时不想食用，则向用户提示存储方式，例如面包需要常温保存，水果可以放在冰箱中保存。进一步地，可以记录下当前时间，并根据目标等级值计算目标食物的可存储期限，在到达可存储期限时，向用户发出提醒，提示用户食用目标食物。
在一个实施场景中，基于所有获取的目标食物，结合用户的个人情况(年龄、性别、工作、每日运动量等)或者家庭情况(每个家庭成员的个人情况)，给出用户的食用参考建议。进一步地，还能根据用户的当前位置、外出情况等等给出用户的食用参考建议。
在一个实施场景中，获取常见食物，以及常见食物的常见异常情况。可以由用户设置常见食物和常见异常情况，还可以根据评价食物质量的历史获取常见食物和常见异常情况。根据食物图像判断目标食物是否属于常见食物，若目标食物属于常见食物，则判断目标食物是否出现常见异常情况，若目标食物未出现常见异常情况，则向用户发出无异常提示，可以有效缩短对食物质量的评价时间。
在一个实施场景中，对目标食物进行跟踪和分析，对目标食物进行简单编号，当目标食物被多个进行评级时，记录其“时间—质量”曲线，根据“时间—质量”预测目标食物在当前时刻的目标等级值，并在目标等级值低于预设阈值时，提醒用户食用。
通过上述描述可知，在本实施例中将目标食物放置在面阵成像装置的基准面上，驱动投射光源对目标食物进行投射，通过面阵成像装置获取目标食物的投射线图像，根据投射性图像获取三维模型，根据三维模型获取目标食物的目标等级值，准确获取目标食物的三维模型的外部参数，根据外部参数确定目标等级值能够有效提升评价的准确性。
请参阅图3，图3是本发明提供的食物质量的评价系统的一实施例的结构示意图。食物质量的评价系统20包括：坐标模块21用于将目标食物放置在面阵成像装置的基准面上，驱动投射光源对目标食物进行投射，通过面阵成像装置获取目标食物的投射线图像，获取投射线图像的至少一个像素点的食物坐标信息。三维模块22用于根据至少一个像素点的食物坐标信息获取目标食物的三维模型，根据三维模型获取目标食物的外部参数，外部参数包括外形、体积、轮廓中的至少一项。等级模块23用于根据外部参数获取目标食物的目标等级值。
坐标模块21还用于驱动投射光源对基准面进行投射，获取基准面上的投射线图像，获取投射线图像的基准坐标信息。
三维模块22还用于根据投射线图像的基准坐标信息和至少一个像素点的食物坐标信息获取目标食物的轮廓信息，根据轮廓信息构建三维模型。
等级模块23还用于获取目标食物的食物种类，获取食物种类对应的至少一个预设模型和每个预设模型的模型等级值；将与三维模型最接近的预设模型的模型等级值作为目标等级值。
等级模块23还用于获取目标食物的食物图像，对食物图像进行色彩差异化操作，获取目标食物的精准轮廓，根据精准轮廓修正目标等级值。
等级模块23还用于根据食物图像获取目标食物的颜色和表面情况，根据颜色和表面情况修正目标等级值。
等级模块23还用于根据目标等级值生成预设提醒信息，预设提醒信息包括目标食物的存储方式、食用方式、食用期限中的至少一个。
等级模块23还用于获取目标食物的生产日期和/或购买日期，根据生产日期和/或购买日期调整目标等级值。
通过上述描述可知，在本实施例中食物质量的评价系统将目标食物放置在面阵成像装置的基准面上，驱动投射光源对目标食物进行投射，通过面阵成像装置获取目标食物的投射线图像，根据投射性图像获取三维模型，根据三维模型获取目标食物的目标等级值，准确获取目标食物的三维模型的外部参数，根据外部参数确定目标等级值能够有效提升评价的准确性。
请参阅图4，图4是本发明提供的智能终端的一实施例的结构示意图。智能终端30包括处理器31、存储器32。处理器31耦接存储器32。存储器32中存储有计算机程序，处理器31在工作时执行该计算机程序以实现如图1所示的方法。详细的方法可参见上述，在此不再赘述。
请参阅图5，图5是本发明提供的存储介质的一实施例的结构示意图。存储介质40中存储有至少一个计算机程序41，计算机程序41用于被处理器执行以实现如图1所示的方法，详细的方法可参见上述，在此不再赘述。在一个实施例中，计算机可读存储介质40可以是终端中的存储芯片、硬盘或者是移动硬盘或者优盘、光盘等其他可读写存储的工具，还可以是服务器等等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种食物质量的评价方法，其特征在于，应用于结构光设备，所述结构光设备包括投射光源和设置于所述投射光源对面的面阵成像装置；
所述食物质量的评价方法包括如下步骤：
将目标食物放置在所述面阵成像装置的基准面上，驱动所述投射光源对所述目标食物进行投射，通过所述面阵成像装置获取所述目标食物的投射线图像，获取所述投射线图像的至少一个像素点的食物坐标信息；
根据所述至少一个像素点的食物坐标信息获取所述目标食物的三维模型，根据所述三维模型获取所述目标食物的外部参数，所述外部参数包括外形、体积、轮廓中的至少一项；
根据所述外部参数获取所述目标食物的目标等级值。
2.根据权利要求1所述的食物质量的评价方法，其特征在于，所述将目标食物放置在所述面阵成像装置的基准面上的步骤之前，包括：
驱动所述投射光源对所述基准面进行投射，获取所述基准面上的投射线图像，获取所述投射线图像的基准坐标信息；
所述根据所述至少一个像素点的食物坐标信息获取所述目标食物的三维模型的步骤，包括：
根据所述投射线图像的基准坐标信息和所述至少一个像素点的食物坐标信息获取所述目标食物的轮廓信息，根据所述轮廓信息构建所述三维模型。
3.根据权利要求1所述的食物质量的评价方法，其特征在于，所述根据所述外部参数获取所述目标食物的目标等级值的步骤，包括：
获取所述目标食物的食物种类，获取所述食物种类对应的至少一个预设模型和每个所述预设模型的模型等级值；
将与所述三维模型最接近的所述预设模型的模型等级值作为所述目标等级值。
4.根据权利要求1所述的食物质量的评价方法，其特征在于，所述根据所述外部参数获取所述目标食物的目标等级值的步骤之后，包括：
获取所述目标食物的食物图像，对所述食物图像进行色彩差异化操作，获取所述目标食物的精准轮廓，根据所述精准轮廓修正所述目标等级值。
5.根据权利要求4所述的食物质量的评价方法，其特征在于，所述获取所述目标食物的食物图像的步骤之后，包括：
根据所述食物图像获取所述目标食物的颜色和表面情况，根据所述颜色和所述表面情况修正所述目标等级值。
6.根据权利要求1所述的食物质量的评价方法，其特征在于，所述食物质量等级判断方法还包括：
根据所述目标等级值生成预设提醒信息，预设提醒信息包括所述目标食物的存储方式、食用方式、食用期限中的至少一个。
7.根据权利要求1所述的食物质量的评价方法，其特征在于，所述食物质量等级判断方法还包括：
获取所述目标食物的生产日期和/或购买日期，根据所述生产日期和/或所述购买日期调整所述目标等级值。
8.一种食物质量的评价系统，其特征在于，所述食物质量的评价系统包括如下模块：
坐标模块，用于将目标食物放置在所述面阵成像装置的基准面上，驱动所述投射光源对所述目标食物进行投射，通过所述面阵成像装置获取所述目标食物的投射线图像，获取所述投射线图像的至少一个像素点的食物坐标信息；
三维模块，用于根据所述至少一个像素点的食物坐标信息获取所述目标食物的三维模型，根据所述三维模型获取所述目标食物的外部参数，所述外部参数包括外形、体积、轮廓中的至少一项；
等级模块，用于根据所述外部参数获取所述目标食物的目标等级值。
9.一种智能终端，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111333285.7A CN114066208A (zh) | 2021-11-11 | 2021-11-11 | 一种食物质量的评价方法、系统、智能终端和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111333285.7A CN114066208A (zh) | 2021-11-11 | 2021-11-11 | 一种食物质量的评价方法、系统、智能终端和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114066208A true CN114066208A (zh) | 2022-02-18 |
Family
ID=80275025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111333285.7A Pending CN114066208A (zh) | 2021-11-11 | 2021-11-11 | 一种食物质量的评价方法、系统、智能终端和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114066208A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103697833A (zh) * | 2013-12-30 | 2014-04-02 | 北京农业智能装备技术研究中心 | 农产品形状检测方法及装置 |
| US20160163037A1 (en) * | 2013-07-02 | 2016-06-09 | Joachim Dehais | Estmation of food volume and carbs |
| CN109345624A (zh) * | 2018-10-08 | 2019-02-15 | 北京健康有益科技有限公司 | 一种自动识别食物热量的估算方法及系统 |
| CN109509535A (zh) * | 2018-10-08 | 2019-03-22 | 北京健康有益科技有限公司 | 食物体积的获取方法、食物热量的获取方法、电子设备 |
| CN113029037A (zh) * | 2019-12-09 | 2021-06-25 | 大族激光科技产业集团股份有限公司 | 物体的轮廓测量方法、装置、计算机设备和可读存储介质 |
-
2021
- 2021-11-11 CN CN202111333285.7A patent/CN114066208A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160163037A1 (en) * | 2013-07-02 | 2016-06-09 | Joachim Dehais | Estmation of food volume and carbs |
| CN103697833A (zh) * | 2013-12-30 | 2014-04-02 | 北京农业智能装备技术研究中心 | 农产品形状检测方法及装置 |
| CN109345624A (zh) * | 2018-10-08 | 2019-02-15 | 北京健康有益科技有限公司 | 一种自动识别食物热量的估算方法及系统 |
| CN109509535A (zh) * | 2018-10-08 | 2019-03-22 | 北京健康有益科技有限公司 | 食物体积的获取方法、食物热量的获取方法、电子设备 |
| CN113029037A (zh) * | 2019-12-09 | 2021-06-25 | 大族激光科技产业集团股份有限公司 | 物体的轮廓测量方法、装置、计算机设备和可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 张光龙 等: "一种基于线激光的水果外形检测方法", 《中国农机化学报》 * |
| 张光龙: "基于芒果流水线的智能化检测分级系统研究", 《中国优秀博硕士学位论文全文数据库(硕士)农业科技辑(月刊)》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110245662B (zh) | 检测模型训练方法、装置、计算机设备和存储介质 | |
| US10018854B2 (en) | Custom ophthalmic lens design derived from multiple data sources | |
| CN111178639A (zh) | 一种基于多模型融合实现预测的方法及装置 | |
| CN116213962B (zh) | 一种基于状态预测的金属板材切割控制方法及系统 | |
| CN105844530A (zh) | 基于健康管理的保险精算方法和系统 | |
| CN110415036B (zh) | 用户等级的确定方法、装置、计算机设备和存储介质 | |
| Kazman | Exploring the Laffer curve: behavioral responses to taxation | |
| Alberola-López et al. | Comments on: A methodology for evaluation of boundary detection algorithms on medical images | |
| CN116645132A (zh) | 基于多因子变量的时序预测方法、装置、电子设备及介质 | |
| CN117711295A (zh) | 基于人工智能的显示模组控制方法、装置、芯片及介质 | |
| JP2022039406A (ja) | 情報処理装置、情報処理方法およびプログラム | |
| CN115272234A (zh) | 瓶盖质量检测方法、装置、计算机设备及存储介质 | |
| CN114066208A (zh) | 一种食物质量的评价方法、系统、智能终端和存储介质 | |
| JP7059789B2 (ja) | 逐次制御プログラム、逐次制御方法および逐次制御装置 | |
| CN114036335A (zh) | 一种食物质量等级判断方法、系统、智能终端及存储介质 | |
| CN111612732B (zh) | 图像质量评估方法、装置、计算机设备及存储介质 | |
| US20210257064A1 (en) | Method, apparatus, electronic device and interactive method for correcting measured data, computer readable medium and measuring device | |
| CN117541841A (zh) | 一种曲线形态识别的通用基础模型构建方法 | |
| CN110020728B (zh) | 业务模型强化学习方法以及装置 | |
| CN116026487A (zh) | 液面温度测量方法、装置、计算机设备和存储介质 | |
| CN111724176A (zh) | 店铺流量调节方法、装置、设备及计算机可读存储介质 | |
| CN115687691A (zh) | 视频推荐方法及装置 | |
| US20180039734A1 (en) | Method and system for providing medical advice about treatment of a condition of a user | |
| CN109784850B (zh) | 提示信息处理方法、装置、计算机设备和存储介质 | |
| CN111179084A (zh) | 一种预测期货市场交易指标的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220218 |